《數值化之鬼》: 數據顯著提高你的工作效能
數字不是全部，但忽視數字的人絕對無法成長。裡面最觸動我的一句話是：「把情感放一邊，用『數字』來溝通跟思考，才能持續面對自己不足的地方。」
買了這本書，我不斷再思考一些問題，數據之於我到底為什麼？老實說，我被問過既然對於數據的慨念跟行銷相比起來，行銷更是我的強項，但為什麼我不花更多心力去把自己的行銷做好。這題我想了想，其實我認知到所有事情都是以數據為主，從數據之中找到「actional item/step」，所以如果提高對用數據的掌握程度，至少可能更有機會快速抓到問題，對症下藥且讓行動效果更為顯著。
什麼是數據，數據到底可以幹嘛？
近幾年看數據時，有了別往以前的感受，有些前輩會建議帶著問題去找答案，這樣更可以從數據裡面看到解答，心裡卻很想要有清楚的框架。雖然不少時間可以跟數據相處，只是用數據時候常常落入了：「好，我看懂了，然後平舖直敘描述抓出數據，總覺得有點空、還有點不安心。」
因此過報告時候心虛的我，就容易被老闆給反饋說：「這些數據一點意義價值都沒有、沒有 insight，並沒有辦法額外創造出新的價值。」
到底怎麼樣產出有價值、有意義的數據呢？老實說，這原本是我期待從中書獲得的觀點，但書中用另外一種方式點出數據使用盲區跟框架，且著重應用在職場、生活上面如何透過數據幫自己釐清盲點、有效建構修正方向。
書中也提到可以透過「數值」幫助我們有效規劃未來，例如：「提高 20%效率，才能成功達成專案目標。如現在考試考了 80 分，還差 10 分才有機會考上心中理想大學。」，藉由清楚的數值成功驅動我們有動力來達成未來目標。
這些觀點反倒讓我從基礎去思考，應該思考公司「目標」和如何建立「行動」跟審視哪些 metrics 是什麼，才能有效幫助老闆找到對於商業有價值、意義的數值。下面就藉由作者提出的框架，搭配上我過往經驗來一步步檢視和理解如何使用「數據」。
五個步驟幫你成為工作做得好的人：
在書中作者拆出了五個執行步驟，我會從過往工作經驗來分享，幫助讀者更清楚明瞭如何執行以下步驟：
- 步驟 1：增加「行動量」，正確計算自身行動的機制。
- 步驟 2：小心「比率陷阱」，別被除法帶來的安心感給騙了。
- 步驟 3：找出「變數」，思考在工作中應該要聚焦什麼？
- 步驟 4：篩選出「真正的變數」，別讓「無法改變的事情」成為藉口。
- 步驟 5： 從「長期」倒過來推算，分別以短期評價與長期評價來檢視。
Step 1 — 數值就是一種「PDCA」 循環方式：
若說到如何增加「行動量」，作者開頭就用「PDCA」給出了一個方向，以閱讀為範例：每人都想多讀點書，卻遇到行動力不佳，但如果我們清楚寫下每個步驟，如：
- Plan 計畫：數值化的目標 e.g. 2 星期內讀完「數值化之鬼」
- Do 執行：每天讀 20–30 頁。
- Check 檢驗：每天花 15 分鐘整理與反思所學，幫助自己系統化紀錄內容。
- Action 改善計畫：若今日沒有達成以上目標，如何在接下來的日子作出改善，幫助達成最終目標。
上述所舉例子偏向生活上面的經驗分享，若今天要把 PDCA 的數值紀錄方式搬到工作場域之中，我們又應該如何操作呢？
就以我在公司內部需要接觸到年度相關規劃為主，當初第一次在撰寫明年執行計畫時候，常常不得其門而入。但現在回頭看到 PDCA 方式，思索著如何用利用框架幫助我完善撰寫過程？
最近在藍途上品牌行銷時， Jessie 老師課程中就有提到：「老闆都說要有策略思維，但是老闆卻沒有辦法系統告訴我們該要如何思考一個完整的行銷計畫。」，導致我們在做事情上面都容易卡關、抓不到方向，所以 Jessie 老師非常大方向大家分享她過去累積的經驗。
有幾個方向可以幫助大家思考：
- 現在面對的問題跟挑戰是什麼？
- 對於需要解決的問題，是否夠深入，有問到五個 why 以上了嗎？
- 回頭對焦公司、主管或者部門的 Mission or Vission 是否符合
- Again 回到對焦行銷計畫上面來思考：
→ 面對的目標客群是誰？
→ 他們買你的產品是什麼，你解決了他們什麼痛點呢？
→ 你將會透過哪些管道觸及到他們 (touch point) 是什麼？
若要在這前面加一個，我覺得會是先冷靜思考「公司需要什麼？」、「年度方向又是什麼？」，當自己腦中對於明年計畫、或者是盤點資源非常清楚時候，將可以清楚將目標拆解成執行的數據項目。再來就由 PDCA 模板來進行年度、季度的規劃追蹤。最終將能產生更好的工作效能。
作者提醒工作者容易有的誤區，當 Planning 做完產生更多 KPI 之後，要避免員工為了做而做，有些人覺得我按照老闆 KPI 每季的目標完成就好，這就是錯把「手段」當「目的」的危險性。重點是需要思考「能否不僅僅拘泥於所設定的 KPI ，讓我們更有意識的朝向起出設定的 P 而前進。」
Step 2 -「比率陷阱」：謹慎思考數值得出什麼論證
人們容易被比率和平均數值所誤導，舉例來說，比重來看的確成長不少，但也需要回頭檢驗基期。所以的比率都關乎於基期點。當我們滿足於比率看起來很健康時候，容易停下腳步不需要再成長。
書中例子：有簽約率 80% 跟簽約率 50% 誰比較厲害呢？大部分人應該是選擇應該是前者，但該思考的是 base 數有多大。前者可能是 10 個案子簽了 8 個；但後者卻是 50 個案子成功簽了 25 個，若我們在 KPI 上面只看比率，這時候就會出現心安感，慢慢的就變成以量取勝後，注重品質。
老實說，這件事情本身沒有問題，但當提升「質」而非「量」，一直把「提高品質」這件事當做了目標，對公司而言或許不是件好事情。應該是「以行動量為優先」，並且在維持行動量的狀態之下「將比率也同一提高」。
另外一點是平均數值的謊言，看到自己成績出來，且發現自己在平均之上，所以就安心了。書中給出明確例子為：
A 團隊：營收 1000 萬日圓
B 團隊：營收 600 萬日圓
C 團隊：營收 200 萬日圓
當平均數值出來時候是 600 萬，Ｂ團隊發現自己其實表現還不錯，但容易落入一些誤區，可能 B 團隊所在的區塊競爭少、人口密度卻很高，擁有比其他的團隊更有利的條件。但因為出來的結果導致 B 團隊停下了成長。這都是我們在觀看數據時，需要時刻小心的誤區。
Step 3 : 分辨「能夠改變的」跟「不能改變的」
就數據而言，我們怎麼去找出這些「變數」哪？數學方程式即為 y = ax + b，既然 a 與 b 即為定數，那我們就要努力找到那些變數。
舉例來說：今天我分析得出結果之後，需要花費時間將些資訊轉為「視覺化簡報」，我可能會覺得增加更多時間來修改編排和設計，可能讓簡報更加吸睛，但簡報結果卻不見得有影響，就算我增加更多時間在編排、設計，也不會讓簡報結果加分。
但如果透過觀察知道主管、老闆或者是客戶在乎是可以透過我的簡報「獲得對對於現行體制、行動有所改善的數據洞見，或者是我自己額外花費更多時間去研究市場」，才能為我的簡報成功加分，而這時候表達方式才是我應該去把握「變數」。
身為一般員工，要找出工作中為自己加分的變數
身為主管或者是經營者，要減少會導致負數產生的變數
再怎麼努力也無法改變的部分，即屬於「常數」應早點放棄。《數值化之鬼》
作者也提到透過上述提過 PDCA 框架中，可以藉由分解「D」流程，計算數字，然後透過搜集資訊反覆詢問自己：「為什麼？」來找到轉動整件事情的『變數』，書中有詳細案例，有興趣朋友歡迎購買書來詳細閱讀。
Step 4 — 不斷拋棄過去的成功，關於「真正的變數」
當想做事情非常多時候，我們需要去思考如何更有策略規劃與分配資源，正如巴菲特那個經典的故事：「機長請教他如何成功？他請他寫下 25 件他想要做事情，並圈出5個最重要的目標──對他來說最重要的、最想要的事物，剩下無論如都不要碰。」，
有時候並非我們沒有能力達成，只是達成這樣事情花費機會成本不僅高，又會壓縮到原本更在直得投注時間項目，所以本章節想要傳遞訊息即時「如何找出有效的、且真正的變數。」，我們應該問：「今天能做的、最重要的事情是什麼？那一件能讓人生所有事物變得更簡單、或變得不必要的事，到底是什麼？」
舉例來說，Airbnb 這麼大間一家公司如何來制定公司的北極星指標，來定義他們所謂的成功呢？（意即對公司商業本質來說有所有想的指標）。最終，他們選定了顧客所決定待的天數而非我們一般來說是否增加更多消費，當客戶滿意這個平台所提供的服務，他們就會想要花更多時間在 Airbnb 提供服務裡面。
This metric not only measures the success of the platform but also reflects the core value that Airbnb provides to its users — unique and memorable travel experiences. By emphasizing the significance of nights booked, Airbnb ensures that all its endeavors are aimed at enhancing the overall user experience and increasing customer satisfaction.
<Airbnb’s North Star Metric: Explained from www.teknicks.com>
當然，決定性變數是透過不斷地演變、試煉而提出來的結果。因次，大家不妨透過 PDCA 的流程開始搜集數據，並且慢慢優化整體體驗，找到屬於自己成功的「變數」。
文章總結：
相信很多朋友當相當懼怕「數據」，總是會想起那些可怕的數學課程，就會覺得我看懂了，但我不知道如何操作、找到洞見。其實主要就是要回到最初的 Mission & Vision、再進到行為後需要搜集哪些數據，如何做事後追蹤與檢驗，在書中我快速找到兩個數據可用的方式供給大家參考。
- 數據產生動能：數據可以具體化目標，在原子習慣書中提到當目標更清楚、細緻，可能產生更強的動力完成目標。且數據可以有清楚的比例和平均比較，但不可因為這些數據產生誤區，仍要回頭檢驗基期。
- 數據產生行動方案：當拆解成細項後，就產生了相對動力。可藉由產生的數據結果來修正方向。當然可以在過程中不停提出「為什麼」找出所以流程的「變數」進而優化整個過程。
作者也提醒到，他人成功的「變數」無法成為驅動自己的成功因子。所以在網路上或社群，就算獲得在多知識和成功案例，我們都必須要謹慎思考，或者是寫下自己的 Planning，和 Do 怎麼規劃執行，將之數據化，才能從每次的行為裡面 Check 最後得出可以反覆操作的 Action。
至於最後一步驟，「長期」倒過來推算，分別以短期評價與長期評價來檢視，就留給大家買書體驗了。工商一下：文章已經慢慢搬至 Wordpress 平台：http://ironvicky.com/ ，歡迎喜歡的朋友可以轉移至新平台觀看。也期待未來與大家在不同平台持續互動。
